Sensordatenfusion und Lokalisierung

Die Teilnehmenden kennen die Möglichkeiten der Fusion verschiedener Sensordaten zur Umfeldwahrnehmung und können diese beurteilen. Aufbauend hierauf verstehen sie, wie ein autonom fahrendes Fahrzeug eine eigene Karte seines Umfelds erstellt und sich hierin lokalisiert.

1. Sensordatenfusion zeitvarianter und zeitinvarianter Größen

1.1 Datenfusion zeitinvarianter Größen

1.2 Zustandsraumbeschreibung zeitvarianter Größen

1.3 Klassisches und adaptives Kalman-Filter (ROSE-Filter)

1.4 Nichtlineare-Filter (Spezielle Gauß-Filter, Partikelfilter)

1.5 Erweitertes Kalman-Filter

2. SLAM: (Simultaneous) Localization and Mapping

2.1 Motivation Lokalisierung und Mapping für automatisiertes Fahren

2.2 Taxonomien

2.3 Problemstellung Feature based SLAM

2.4 SLAM und Kalman-Filter (z. B. EKF SLAM)

2.5 SLAM und Partikelfilter (z. B. FastSLAM)

2.6 Grid Mapping